El cerebro humano es una máquina vasta e intrincada que convierte la luz que golpea el ojo en el mundo rico y colorido que percibimos. Durante décadas, los científicos han intentado comprender exactamente cómo sucede esto, mapeando el camino desde líneas y colores simples hasta ideas complejas como "un perro" o "un coche". En años recientes, ha surgido un nuevo campo que intenta hacer lo contrario: leer la actividad eléctrica del cerebro para reconstruir lo que una persona está viendo. Este es el ámbito de la decodificación visual neuronal. Al colocar sensores en el cuero cabelludo de una persona para medir las ondas cerebrales, los investigadores esperan traducir esas señales ruidosas y caóticas de nuevo en las imágenes que la persona está visualizando. Es una búsqueda para construir un puente entre la mente biológica y el mundo digital, prometiendo tecnologías futuras que podrían ayudar a las personas a comunicarse sin hablar o a restaurar la vista a los ciegos.

Durante mucho tiempo, el enfoque estándar para construir este puente se basó en una suposición específica: que la comprensión final de una imagen por parte del cerebro es la parte más importante a igualar. Los investigadores tomaban un programa de computadora entrenado para reconocer objetos —como un ojo digital sofisticado que ha aprendido a distinguir un gato de un perro— y comparaban las señales cerebrales con la conclusión final de alto nivel de la computadora sobre la imagen. La idea era que si la computadora dice "gato", el cerebro también debería decir "gato" en su propio lenguaje eléctrico. Sin embargo, este método a menudo chocaba con un muro. No importaba cuán potente fuera el programa de computadora, la capacidad de reconstruir la imagen a partir de las señales cerebrales no mejoraba. De hecho, a veces los modelos computacionales más avanzados funcionaban peor que los más simples, dejando a los científicos desconcertados sobre por qué más inteligencia en la máquina no conducía a una mejor lectura de la mente.

Un nuevo estudio publicado en Transactions on Machine Learning Research desafía esta suposición largamente sostenida. Los investigadores, liderados por un equipo de la Universidad de Pittsburgh y otras instituciones, proponen que el problema no era la inteligencia de la computadora, sino el momento de la comparación. Argumentan que el cerebro no solo almacena la etiqueta final de un objeto; mantiene un registro detallado y de múltiples capas de la experiencia visual, desde el destello inicial de luz y color hasta el concepto final. Al forzar a las señales cerebrales a coinccer únicamente con la conclusión final y abstracta de la computadora, los científicos estaban efectivamente pidiendo al cerebro que olvidara todos los detalles ricos de la imagen y solo recordara el nombre del objeto. Esto creó un desajuste, como intentar encajar una pieza cuadrada en un agujero redondo.

Para solucionar esto, el equipo desarrolló un método que llaman "Alineación Superficial" (Shallow Alignment). En lugar de esperar a que el programa de computadora llegue a su conclusión final, comenzaron a comparar las señales eléctricas del cerebro con los pasos intermedios de la computadora. Imagine un programa de computadora analizando la foto de un avestruz. En los primeros pasos, nota patas largas y delgadas y una textura específica. En los pasos intermedios, reconoce la forma de un ave. Solo en el paso final decide: "Esto es un avestruz". Los investigadores descubrieron que las señales cerebrales, particularmente las medidas por sensores en el cuero cabelludo, contienen una mezcla de todos estos detalles. Cuando alinearon las señales cerebrales con las observaciones de las capas intermedias de la computadora —donde la imagen aún es detallada pero también está empezando a tener sentido— los resultados fueron drásticamente mejores.

El equipo probó esta idea utilizando datos de dos grandes colecciones de registros cerebrales, una que medía la actividad eléctrica y otra que medía los campos magnéticos, ambas mientras las personas veían miles de objetos diferentes. Compararon su nuevo método contra las mejores técnicas existentes. La diferencia fue absoluta. En las pruebas donde la computadora intentaba adivinar qué imagen estaba viendo una persona basándose en sus ondas cerebrales, el nuevo método mejoró la precisión por un margen masivo. Para uno de los modelos computacionales más avanzados que probaron, la tasa de éxito saltó de aproximadamente un 17 por ciento a casi el 83 por ciento. Esto no fue un pequeño ajuste; fue un cambio fundamental en cómo se hace la conexión entre el cerebro y la máquina.

Quizás el descubrimiento más sorprendente fue lo que sucedió cuando utilizaron modelos de computadora más grandes y potentes. Bajo el método antiguo, hacer la computadora más inteligente a menudo empeoraba la decodificación, un fenómeno que los autores llaman una "paradoja de profundidad-capacidad". Cuanto más comprimía la computadora la imagen en una etiqueta simple, más difícil era que las señales cerebrales coincidieran. Pero con el método de "Alineación Superficial", ocurrió lo contrario. A medida que los modelos de computadora se volvían más grandes y capaces, el rendimiento de la decodificación mejoraba consistentmente. Los investigadores demostraron que, al igualar el nivel adecuado de detalle, finalmente podían desbloquear todo el potencial de estos enormes cerebros digitales para leer el pensamiento humano.

El estudio también reveló que las señales del cerebro no tratan solo sobre el nombre final del objeto. Cuando los investigadores observaron lo que la computadora "veía" cuando cometía un error, encontraron que el método antiguo a menudo recuperaba imágenes que eran de la categoría correcta pero con la forma incorrecta. Por ejemplo, si una persona estaba mirando un avestruz, el método antiguo podría recuperar una imagen de una oveja o una paloma —animales que son todos aves, pero que carecen de las patas largas y distintivas del avistruz—. El nuevo método, sin embargo, recuperó con éxito al avestruz y otras imágenes que compartían los detalles estructurales específicos, como las patas largas y delgadas, incluso si las otras imágenes eran de objetos completamente diferentes como mesas o cunas. Esto sugiere que el cerebro retiene la forma física y la textura de lo que vemos, no solo la categoría a la que pertenece.

Para asegurar que esto no fuera solo un golpe de suerte de un modelo de computadora específico, los investigadores probaron su enfoque a través de una amplia variedad de arquitecturas digitales, desde diseños más antiguos y simples hasta los sistemas más nuevos y complejos. En cada caso, observar las capas medias del procesamiento de la computadora yielded mejores resultados que observar el final. También descubrieron que la mejor capa para observar no era la misma para cada modelo; dependía de qué tan profunda y compleja fuera la computadora. Para algunos modelos, el punto ideal estaba aproximadamente a un tercio del procesamiento; para otros, estaba más cerca de los dos tercios. Esta flexibilidad sugiere que la clave no es una única capa mágica, sino encontrar el punto específico donde la representación interna de la computadora coincide con el "grano" natural de las señales cerebrales.

Las implicaciones de este trabajo son significativas para el futuro de las interfaces cerebro-computadora. Sugiere que el cuello de botella en la lectura de la mente no es la falta de potencia de cómputo o de datos, sino un malentendido de cómo el cerebro representa el mundo. Al alinearse con la forma natural y multicapa en que el cerebro ve, en lugar de forzarlo en una caja única y abstracta, los investigadores pueden construir sistemas mucho más precisos y confiables. El estudio concluye que el camino a seguir consiste en respetar la complejidad del proceso visual del cerebro, utilizando los ricos detalles intermedios de nuestras herramientas digitales para decodificar los detalles igualmente ricos e intermedios de nuestras propias mentes. Este enfoque convierte un callejón sin salida frustrante en un camino claro hacia adelante, mostrando que, a veces, para entender la imagen completa, hay que mirar las partes antes de que la respuesta final sea escrita.